В.С. Гаврилов1

1 Финансовый университет при Правительстве Российской Федерации (Москва, Россия)
1 232114@edu.fa.ru

Постановка проблемы. В современной финансовой отрасли актуальной проблемой является анализ больших объемов новостных потоков для прогнозирования динамики фондового рынка. Традиционные методы анализа не справляются с быстротой и объемом поступающей информации, поэтому необходимо разработать автоматизированные системы на основе машинного обучения.

Цель. Разработать программный комплекс на основе модели машинного обучения для автоматического анализа новостных потоков в финансовой отрасли, способный эффективно прогнозировать тематики новостей и влияние их на финансовую отрасль.

Результаты. Представлены методы скрэпинга новостей, обработки естественного языка (NLP) и статистического анализа, использованные для создания модели машинного обучения. Отмечено, что разработанная модель демонстрирует высокую точность в прогнозировании тематик новостей с показателем ROC-AUC более 96%. Эффективность программного комплекса подтверждена вычислительными экспериментами и практической реализацией на языке Python 3.

Практическая значимость. Разработанный программный комплекс значительно ускоряет процесс анализа новостных потоков, снижает издержки количественного анализа и повышает качество принимаемых решений на фондовом рынке. Модель может быть адаптирована для анализа новостных потоков в других сферах, таких как экономика, политика и социальные исследования, что расширяет область ее применения и потенциальную аудиторию.

Гаврилов В.С. Разработка программного комплекса и модели машинного обучения для автоматического анализа новостных потоков в финансовой отрасли // Нелинейный мир. 2025. Т. 23. № 3. С. 6–14. DOI: https://doi.org/10.18127/ j20700970-202503-02

1. Costola M., Hinz O., Nofer M., Pelizzon L. Machine learning sentiment analysis, COVID-19 news and stock market reactions. Research in International Business and Finance. 2023.
2. Khan W., Ghazanfar M.A., Azam M.A., Karami A. Stock market prediction using machine learning classifiers and social media, news. Journal of Ambient Intelligence and Humanized Computing. 2022.
3. Гаврилов В.С., Корчагин С.А. Разработка математической модели и программного комплекса для автоматизации научных исследований в области анализа новостей финансовой отрасли // Инженерный вестник Дона. 2024. № 2(110). С. 202–215.
4. Федорова Е.А., Демин И.С., Афанасьев Д.О., Рогов О.Ю. О влиянии зарубежных СМИ на российский фондовый рынок: текстовый анализ // Экономика и математические методы. 2020. № 56(2). С. 77–89.
5. Федорова Е.А., Афанасьев Д.О., Демин И.С., Пыльцин И.В., Нерсесян Р.Г., Лазарев А.М. Разработка тонально-тематического словаря ECSENTITHEMELEX для анализа экономических текстов на русском языке // Прикладная информатика. 2020. № 15(6(90)). С. 58–77.
6. Kamal M.R., Chowdhury M.A.F. Stock market reactions of maritime shipping industry in the time of COVID-19 pandemic crisis: an empirical investigation. Maritime Policy & Management. 2022.
7. Dai Z., Zhu H., Zhang X. Dynamic spillover effects and portfolio strategies between crude oil, gold and Chinese stock markets related to new energy vehicle. Energy Economics. 2022.
8. Kumar D., Sarangi P.K., Verma R. A systematic review of stock market prediction using machine learning and statistical techniques. Materials Today: Proceedings. 2022.
9. Ashtiani M.N., Raahemi B. News-based intelligent prediction of financial markets using text mining and machine learning: A systematic literature review. Expert Systems with Applications. 2023.
10. Hirshleifer D., Peng L., Wang Q. News diffusion in social networks and stock market reactions. The Review of Financial Studies. 2024.
11. Gu W., Zhong Y., Li S., Wei C., Dong L., Wang Z. Predicting stock prices with finbert-lstm: Integrating news sentiment analysis. Preprint arXiv. 2024.
12. Scherf M., Matschke X., Rieger M.O. Stock market reactions to COVID-19 lockdown: A global analysis. Finance Research Letters. 2022.
13. Serafeim G., Yoon A. Stock price reactions to ESG news: The role of ESG ratings and disagreement. The Review of Accounting Studies. 2023.
14. URL: https://ru.investing.com/news/forex-news/article-2554625 (дата обращения: 06.12.2024).